基于灰色模型和最小二乘支持向量机的电力短期负荷组合预测

提出一种联合灰色模型(greymodel，GM)和最小二乘支持向量机回归(leastsquaresupportvectorregression，LSSVR)算法的电力短期负荷智能组合预测方法。在考虑负荷日周期性的基础上，通过对历史负荷数据的不同取舍，构建出各种不同的历史负荷数据序列，并对每个历史数据序列分别建立能修正b参数的GM(1,1)灰色模型进行负荷预测；采用最小二乘支持向量机回归算法对不同灰色模型的预测结果进行非线性组合，以获取最终预测值。该方法在充分利用灰色模型所需原始数据少、建模简单、运算方便等优势的基础上，结合最小二乘支持向量机所具有的泛化能力强、非线性拟合性好、小样本等特性，提高了预测精度。仿真结果验证了所提出组合方法的有效性和实用性。